第二章:对象

Ruby对象结构

提纲

从本章起,我们开始ruby源代码的探索之旅,首先研究的是对象结构体的声明。

对象存在的必要条件是什么呢?我们可以给出许多解释,但事实上,有三个条件必须遵守:

  1. 能够区分自身与其它(拥有标识)
  2. 能够响应请求(方法)
  3. 保持内部状态(实例变量)

在本章,我们将逐个确认这三个特性。

这次探索中最值得关注的文件是ruby.h,不过,我们也会简要的看一下其它文件,比如object.c, class.cvariable.c

VALUE和对象结构体

ruby中,对象的内容表示为C的结构体,通常是以指针对其操作。每个类用一个不同的结构体表示, 但指针的类型都是VALUE(图1)。

VALUE和结构体
图1: VALUE和结构体

这是VALUE的定义:

VALUE
  71  typedef unsigned long VALUE;

(ruby.h)

在实践中,VALUE必须转型为不同结构体类型的指针。 因此,如果unsigned long和指针大小不同,ruby会出现问题。 严格说来,在指针类型的大小大于sizeof(unsigned long)时才会出问题。 幸运的是,最近的机器没有这种问题,即便从前存在过相当多这样的机器。

下面几个结构体是对象类:

struct RObject 下面之外的所有东西
struct RClass 类对象
struct RFloat 小数
struct RString 字符串
struct RArray 数组
struct RRegexp 正则表达式
struct RHash hash表
struct RFile IO, File, Socket等等
struct RData 所有定义在C层次上的类,除了上面提到的。
struct RStruct Ruby的Struct
struct RBignum 大的整数

比如,对于string对象,使用struct RString。所以,我们有类似于下面的东西。

字符串对象
图2: 字符串对象

让我们来看几个对象结构体的定义。

▼ 对象结构体的例子
      /* 普通对象的结构体 */
 295  struct RObject {
 296      struct RBasic basic;
 297      struct st_table *iv_tbl;
 298  };

      /* 字符串(String的实例)的结构体 */
 314  struct RString {
 315      struct RBasic basic;
 316      long len;
 317      char *ptr;
 318      union {
 319          long capa;
 320          VALUE shared;
 321      } aux;
 322  };

      /* 数组(Array的实例)的结构体 */
 324  struct RArray {
 325      struct RBasic basic;
 326      long len;
 327      union {
 328          long capa;
 329          VALUE shared;
 330      } aux;
 331      VALUE *ptr;
 332  };

(ruby.h)

在详细探讨它们之前,我们先来看一些更通用的话题。

首先,VALUE定义为unsigned long,在使用之前必须进行转型。为此每个对象结构体都需要有个Rxxxx()宏。 比如说, 对struct RString来说是RSTRING(), 对struct RArray来说是RARRAY(),等等。这些宏的使用方式如下:

VALUE str = ....;
VALUE arr = ....;
RSTRING(str)->len;   /* ((struct RString*)str)->len */
RARRAY(arr)->len;    /* ((struct RArray*)arr)->len */

还有一点需要提及,所有的对象结构体中都是以basic成员开头,其类型是类型为struct RBasic。这样做的结果是, 无论VALUE指向何种类型的结构体,只要你将VALUE转型为struct RBasic*,你都可以访问到basic的内容。

struct RBasic
图3: struct RBasic

你可能已经猜到了,struct RBasic的设计是为了包含由所有对象结构体共享的一些重要信息的。struct RBasic的定义如下:

struct RBasic
 290  struct RBasic {
 291      unsigned long flags;
 292      VALUE klass;
 293  };

(ruby.h)

flags 是个多目的的标记,大多用以记录结构体类型(比如,struct RObject)。 类型标记命名为 T_xxxx,可以使用宏 TYPE()VALUE中获得。这是一个例子:

VALUE str;
str = rb_str_new();    /* 创建Ruby字符串(其结构体是RString) */
TYPE(str);             /* 返回值是T_STRING */

这些T_xxxx 标记的名字直接与其对应的类型名相关,如T_STRING 表示 struct RStringT_ARRAY 表示 struct RArray

struct RBasic的另一个成员,klass,包含了这个对象归属的类。 因为klass成员是VALUE类型, 它存储的是(一个指针指向)一个Ruby对象。 简言之,它是一个类对象。

对象和类
图4: 对象和类

对象与其类之间的关系将在本章的《方法》一节详述。

顺便说一下,这个成员的名字不是 class ,这是为了保证文件由C++编译器处理不会造成冲突, 因为它是一个保留字。

关于结构体类型

我说过,结构体类型存储在struct Basicflags成员里。但是,为什么我们要存储结构体的类型呢? 这样就可以通过 VALUE处理所有不同类型的结构。如果把结构体指针转型为VALUE,类型信息无法保留, 编译器无法提供任何帮助。因此我们不得不自己管理类型。这就是统一处理所有结构体类型的结果。

OK, 但是用到的结构体已经由类定义了,那么为什么结构体类型和类单独存储? 能够从类中找到结构体类型应该就够了。有两个原因不这么做。

第一个原因是(很抱歉,与我之前所说内容有些矛盾),实际上, 有的结构体中不包含struct RBasic(也就是说,它们没有klass成员)。 比如说,struct RNode,它会出现在本书的第二部分。 然而,即便是这样的特殊结构体, flags也保证出现在起始成员的位置上。因此,如果你把结构体的类型放在flags中, 所有的对象结构体就可以用统一的方式进行区分了。

basic.flags的使用

正如要限制我自己说,basic.flags用于不同的东西——包括结构体的类型——让我感觉很不好, 这是一个对它通用的阐述(图5)没有必要立刻理解所有的东西,我只是想展示一下它的使用, 虽然它让我很烦心。

flags的使用
图5: flags的使用

图中可以看出,好像在32位机器上有21位没有使用。对于这些额外的位,FL_USER0FL_USER8已经定义, 用于每个结构体的不同目的。作为例子,我在图中设置了FL_USER0 (FL_SINGLETON) 。

嵌在VALUE中的对象

如我所说,VALUEunsigned long。因为VALUE是一个指针,看上去void*可能会好一些, 但是有一个不这么做的理由。实际上,VALUE也可能不是指针。在下面6个情况,VALUE就是不是指针:

  1. 小的整数
  2. 符号
  3. true
  4. false
  5. nil
  6. Qundef

我来一个个解释一下。

小的整数

因为在Ruby中,所有数据都是对象,所以,整数也是对象。然而,存在许多不同的整数实例, 把它们表示为结构体会冒减慢执行速度的的风险。比如说,从0递增到50000,仅仅如此就创建50000个对象, 这让我们感到犹豫。

这就是为什么在ruby中——某种程度上——小的整数要特殊对待,直接嵌入到VALUE中。 “小”意味着有符号整数,可以存放在sizeof(VALUE)*8-1位中。换句话说,在32位机器上, 整数有1位用于符号,30位用于整数部分。在这个范围内的整数都属于Fixnum类,其它的整数属于Bignum

那么,让我们实际的看看INT2FIX()宏,它可以从C的int转换为Fixnum, 确保Fixnum直接嵌在VALUE中。

INT2FIX
 123  #define INT2FIX(i) ((VALUE)(((long)(i))<<1 | FIXNUM_FLAG))
 122  #define FIXNUM_FLAG 0x01

(ruby.h)

简而言之,左移一位,按位与1或。

0110100001000 转换前
1101000010001 转换后

也就是说作为VALUEFixnum总是一个奇数。另一方面,因为Ruby对象结构体是以malloc()分配, 它们通常是安排在4的倍数的地址上,因此它们不会与作为VALUEFixnum的值重叠。

另外,为了将intlong转换为VALUE,我们可以使用宏,比如,INT2NUM()LONG2NUM()。 任何转换宏XXXX2XXXX,若名字中包含NUM都可以管理FixnumBignum。 比如,如果INT2NUM()不能把整数转换为Fixnum,它会自动转换为BignumNUM2INT()可以将FixnumBignum转换为int。如果数字无法放入int,就会产生异常, 因此,不需要检查值的范围。

符号

符号是什么?

这个问题回答起来很麻烦,还是让我们从符号存在的必要性开始吧!首先,我们先来看看用于ruby内部的ID。 它是这个样子:

ID
  72  typedef unsigned long ID;

(ruby.h)

这个ID是一个数字,与字符串有一对一的关联。然而,不可能为这个世界上的所有字符串和数字值之间建立关联。 因此将它们的关系限定为在Ruby进程内一对一。在下一章《名称与名称表》中,我会谈到查找ID的方法。

在语言实现中,有许多名称需要处理。方法名或变量名、常量名、类名中的文件名……把它们都当作字符串(char*)处理很麻烦。 因为内存管理和内存管理和内存管理……还有,肯定需要大量的比较,但是一个字符一个字符的比较字符串会降低执行速度。 这就是为什么不直接处理字符串,而用某些东西与其关联,作为替代。通常来说,“某些东西”就是整数,因为它们处理起来最简单。

在Ruby世界中,这些ID是作为符号使用的。直到ruby 1.4,这些ID都是被转换为Fixnum,却是作为符号使用。 时至今日,这些值仍可以使用Symbol#to_i获得。然而,随着实际使用逐渐增多, 越发认识到,FixnumSymbol相同并不是个好主意,因此,从1.6开始,创建一个独立的Symbol类。

Symbol对象用途很多,特别是作为hash表的键值。这就是为什么同Fixnum一样,Symbol存储在VALUE中。 让我们看看ID2SYM()这个宏,它将ID转换为Symbol对象。

ID2SYM
 158  #define SYMBOL_FLAG 0x0e
 160  #define ID2SYM(x) ((VALUE)(((long)(x))<<8|SYMBOL_FLAG))

(ruby.h)

左移8位,x乘了256,也就是4的倍数。然后,同0x0e(10进制的14)按位或(在这个情况下,它等同于加), 表示符号的VALUE不是4的倍数,也不是奇数。因此,它并不会与任何其它的VALUE的范围有重叠。相当聪明的技巧。

最后,让我们看看ID2SYM()的相反转换,SYM2ID()

SYM2ID()
 161  #define SYM2ID(x) RSHIFT((long)x,8)

(ruby.h)

RSHIFT是向右位移。因为根据平台不同,右移可能对符号保持或取反,因此它做成一个宏。

true false nil

有三个特殊的Ruby对象:true and false 代表boolean值,nil是一个用来表示“没有对象”的对象。 它们的值在C的层次上定义如下:

true false nil
 164  #define Qfalse 0        /* Ruby's false */
 165  #define Qtrue  2        /* Ruby's true */
 166  #define Qnil   4        /* Ruby's nil */

(ruby.h)

这次它是偶数,但是0或2不能由指针使用,所以,它们不会和其它VALUE重叠。因为通常虚拟内存的第一个块是不分配的, 这样保证了程序不会因为反引用一个NULL指针而导致崩溃。

因为Qfalse是0,它可以在C层次上作为false使用。实际上,在ruby中,当函数需要返回一个boolean值时, 经常返回intVALUE,或是返回Qtrue/Qfalse

对于Qnil,有一个宏负责检查VALUE是否为QnilNIL_P()

NIL_P()
 170  #define NIL_P(v) ((VALUE)(v) == Qnil)

(ruby.h)

名称以p结尾是一个来自Lisp的记法,它表示这是一个函数,返回boolean值。换句话说, NIL_P表示“实参是否为nil”。看上去,“p”字符来自断言(“predicate”)。 这个命名规则在ruby中用到了许多不同的地方。

此外,在Ruby中,falsenil都是false,所有其它对象都是true。然而,在C中,nil (Qnil)代表 true.。这就是为什么在C中创建了一个Ruby风格的宏,RTEST()。 ▼ RTEST()
 169  #define RTEST(v) (((VALUE)(v) & ~Qnil) != 0)

(ruby.h)

因为在Qnil中,只有第三低位为1,在~Qnil中,只有第三低位为0。 然后,只有Qfalse and Qnil按位与后为0。

加上!=0确保只有0或1,以满足glib库只要0或1的需求 ([ruby-dev:11049]) 。

顺便说一下,QnilQ”是什么?“R”我可以理解,但为什么是“Q” 当我问了这个问题,答案是“因为Emacs是那样”。我没有得到我预期的有趣的答案……

Qundef

Qundef
 167  #define Qundef 6                /* undefined value for placeholder */

(ruby.h)

这个值用以在解释器中表示未定义的值。在Ruby的层次上,根本找不到它。

方法

我已经总结过Ruby对象的三个重点:拥有标识,能够调用方法,持有每个实例的数据。 在本节中,我会以简单的方式解释一下同对象和方法相连的结构体。

struct RClass

在Ruby中,执行期间类以对象的方式存在。当然,必须有一个类对象的结构体。这个结构体就是struct RClass。 它的结构体类型标志是T_CLASS

因为类和模块极其相似,没有必要区分它们的内容。因此,模块也使用struct RClass结构体,通过T_MODULE结构体标志进行区分。

struct RClass
 300  struct RClass {
 301      struct RBasic basic;
 302      struct st_table *iv_tbl;
 303      struct st_table *m_tbl;
 304      VALUE super;
 305  };

(ruby.h)

首先,让我们关注一下m_tbl (方法表,Method TaBLe) 成员。struct st_table是一个在ruby中到处使用的hash表。 在下一章《名称与名称表》中,将会解释它的细节。但基本上,它就是一个将名字映射为对象的表。 在m_tbl中,持有这个类所拥有方法的名称(ID)与方法实体本身之间的对应关系。

如其名称所示,第四个成员super持有的是其超类。因为它是一个VALUE,它就是(一个指针,指向) 超类的类对象。 在Ruby中,只有一个类没有超类(根类):Object

然而,我已经说过,Object的所有方法都定义在Kernel模块中,Object只是包含了它。因为模块在功能类似与多重继承, 也许看上去拥有super好像有问题,但是在ruby中,做了一些聪明的变化,使它看上去像个单继承。 这个过程将在第四章《类和模块》中详细解释。

因为如此,Object结构体的super指向Kernel对象的struct RClass。只有Kernelsuper才是NULL。 因此,与我说过的矛盾,如果 super是NULL,这个RClassKernel对象(图6)。

C层次的类树
图6: C层次的类树

方法搜索

了解类结构体,你就可以轻松想出方法调用过程。搜索对象类的m_tbl,如果方法没有找到,就搜索superm_tbl,等等。 如果不再有super,也就是说甚至在Object中都没有找到,那么一定是方法没有定义。

m_tbl中进行顺序搜索过程由search_method()完成。

search_method()
 256  static NODE*
 257  search_method(klass, id, origin)
 258      VALUE klass, *origin;
 259      ID id;
 260  {
 261      NODE *body;
 262
 263      if (!klass) return 0;
 264      while (!st_lookup(RCLASS(klass)->m_tbl, id, &body)) {
 265          klass = RCLASS(klass)->super;
 266          if (!klass) return 0;
 267      }
 268
 269      if (origin) *origin = klass;
 270      return body;
 271  }

(eval.c)

这个函数在klass中搜索命名为id的方法。

RCLASS(value)是一个宏,如下:

((struct RClass*)(value))

st_lookup()是一个函数,它在st_table中搜索对应于一个键值的值。如果值找到了,函数返回true, 把找到的值放在由第三个参数(&body)指定的地址。

然而,无论在何种情况下,做这种搜索都太慢,所以实际中一旦方法调用就会缓存起来。因此从第二次开始, 它不会一个一个super的去找。这个cache及其搜索会在第15章《方法》中讲到。

实例变量

在本节中,我会解释第三个本质条件的实现:实例变量。

rb_ivar_set()

实例变量允许每个对象存储它特有的数据。把它存储在对象本身(也就是对象结构体中)看上去不错, 但是实际如何呢?让我们看一下函数rb_ivar_set(),它将对象放入实例变量中。

rb_ivar_set()
      /* write val in the id instance of obj */
 984  VALUE
 985  rb_ivar_set(obj, id, val)
 986      VALUE obj;
 987      ID id;
 988      VALUE val;
 989  {
 990      if (!OBJ_TAINTED(obj) && rb_safe_level() >= 4)
 991          rb_raise(rb_eSecurityError,
                       "Insecure: can't modify instance variable");
 992      if (OBJ_FROZEN(obj)) rb_error_frozen("object");
 993      switch (TYPE(obj)) {
 994        case T_OBJECT:
 995        case T_CLASS:
 996        case T_MODULE:
 997          if (!ROBJECT(obj)->iv_tbl)
                  ROBJECT(obj)->iv_tbl = st_init_numtable();
 998          st_insert(ROBJECT(obj)->iv_tbl, id, val);
 999          break;
1000        default:
1001          generic_ivar_set(obj, id, val);
1002          break;
1003      }
1004      return val;
1005  }

(variable.c)

rb_raise()rb_error_frozen()都用于错误检查。错误检查是必须的,但是它并非这个处理的主要部分, 因此你应该在第一次阅读中忽略它。

移除错误处理,就只剩下switch,但是这个

switch (TYPE(obj)) {
  case T_aaaa:
  case T_bbbb:
     ...
}

形式是ruby特色。TYPE()是一个宏,返回对象的结构体的类型标志(T_OBJECTT_STRING,等等)。 换句话说,因为类型标志是一个整形常量,我们可以用一个switch依赖它进行分支处理。FixnumSymbol没有结构体, 但是在TYPE()内部,做了特殊处理,可以恰当的返回T_FIXNUMT_SYMBOL,因此没有必要担心。

好了,让我们返回rb_ivar_set()。好像只是对T_OBJECTT_CLASST_MODULE处理不同。 选中它们3个是因为它们的第二个参数是iv_tbl。让我们实际确认一下。

▼ 第二个成员为iv_tbl的结构体:
      /* TYPE(val) == T_OBJECT */
 295  struct RObject {
 296      struct RBasic basic;
 297      struct st_table *iv_tbl;
 298  };

      /* TYPE(val) == T_CLASS or T_MODULE */
 300  struct RClass {
 301      struct RBasic basic;
 302      struct st_table *iv_tbl;
 303      struct st_table *m_tbl;
 304      VALUE super;
 305  };

(ruby.h)

iv_tbl是一个实例变量表(Instance Variable TaBLe)。它存储着实例变量及其对应的值。

rb_ivar_set()中,让我们在看一下有iv_tbl的结构体的代码。

if (!ROBJECT(obj)->iv_tbl)
    ROBJECT(obj)->iv_tbl = st_init_numtable();
st_insert(ROBJECT(obj)->iv_tbl, id, val);
break;

ROBJECT()是一个宏,它将VALUE转型为struct RObject*obj有可能指向struct RClass,但是因为我们只是要访问第二个成员,这么做没什么问题。

st_init_numtable()是创建st_tablest_insert()完成在st_table中的关联。

总结一下,这段代码完成下面这些事:如果iv_tbl不存在,则创建它,然后存储一个[变量名 → 对象]的关联。

警告:因为struct RClass是一个类对象,这个实例变量表是用于类对象本身。在Ruby程序中,它对应于如下代码:

class C
  @ivar = "content" 
end

generic_ivar_set()

对于结构体不是T_OBJECTT_MODULET_CLASS的对象而言,修改实例变量会发生什么呢?

rb_ivar_set():没有iv_tbl情况
1000  default:
1001    generic_ivar_set(obj, id, val);
1002    break;

(variable.c)

控制交给了generic_ivar_set()。在看这个函数之前,让我们先解释其通用的想法。

T_OBJECTT_MODULET_CLASS的结构体没有iv_tbl成员(为何没有,稍后解释)。 然而,将实例同struct st_table连接起来的方法允许实例拥有实例变量。在ruby中,通过使用全局st_table解决这个问题。 generic_iv_table(图7)就是为这种关联准备的。

generic_iv_table
图7: generic_iv_table

让我们实际的看一下。

generic_ivar_set()
 801  static st_table *generic_iv_tbl;

 830  static void
 831  generic_ivar_set(obj, id, val)
 832      VALUE obj;
 833      ID id;
 834      VALUE val;
 835  {
 836      st_table *tbl;
 837
          /* for the time being you should ignore this */
 838      if (rb_special_const_p(obj)) {
 839          special_generic_ivar = 1;
 840      }
          /* initialize generic_iv_tbl if it does not exist */
 841      if (!generic_iv_tbl) {
 842          generic_iv_tbl = st_init_numtable();
 843      }
 844
          /* the treatment itself */
 845      if (!st_lookup(generic_iv_tbl, obj, &tbl)) {
 846          FL_SET(obj, FL_EXIVAR);
 847          tbl = st_init_numtable();
 848          st_add_direct(generic_iv_tbl, obj, tbl);
 849          st_add_direct(tbl, id, val);
 850          return;
 851      }
 852      st_insert(tbl, id, val);
 853  }

(variable.c)

当其参数不是指针时,rb_special_const_p()为true。然而,正因为如此,if部分需要垃圾搜集器的知识, 我们先跳过它。我想让你在读过了第五章《垃圾搜集》之后再来看它。

st_init_numtable()已经前面出现过了。它创建了一个新的hash表。

st_lookup()搜索与键值对应的值。在这里,它搜索附着在obj上的键值。如果所附的值找到了,整个函数返回true, 把值存储在第三个参数(&tbl)给定的地址中。简而言之,!st_lookup(...)可以读作“如果值没有找到”。

st_insert()也已经解释过了。它将一个新的关联存储到表中。

st_add_direct()类似于st_insert(),添加关联之前的部分有些不同,它要检查键值保存与否。换句话说, 对于st_add_direct(),如果注册的键值已经用到,那么连接到相同键值的两个关联都会保存。完成存在性检查后, 可以使用st_add_direct(),比如这里的例子,或是一个新表刚刚创建的时候。

FL_SET(obj, FL_EXIVAR)是个宏,它将objbasic.flags设置为FL_EXIVARbasic.flags标志都是以FL_xxxx命名,可以使用FL_SET()进行设置。这些标志也可以使用FL_UNSET()取消。 FL_EXIVAR中的EXIVAR像是外部实例变量(EXternal Instance VARiable)缩写。

这样设置这些标志可以加速读实例变量的过程。如果没有设置FL_EXIVAR,即便不搜索generic_iv_tbl, 我们也直接知道是否对象拥有实例变量。当然,位检查是比搜索struct st_table要快。

结构体中的缺口

现在,你该理解了实例变量是如何存储的,但是为什么有些没有iv_tbl? 为什么struct RStringstruct RArray中没有iv_tbl呢? 难道iv_tbl不能是RBasic的一部分吗?

好的,可以这么做,但是有一些很好的理由不这么做。实际上,这个问题同ruby管理对象的方式紧密相连。

ruby中,内存——比如字符串数据(char[])用到的——可以直接使用malloc()分配。然而,对象结构体要以一种特殊的方式进行处理。 ruby以簇进行分配,然后从这些簇中将它们分配出来。因为在分配时结构体的类型(和大小)差异难于处理,所以,声明了一个组合了所有结构体的类型(unionRVALUE, 管理的是这个类型的数组。因为这个类型的大小等于其成员的最大一个,如果只要有一个大的结构体,就会有很多未用的空间。 这就是为什么要尽可能把结构体重新组织为类似大小。RVALUE的细节会在第五章《垃圾搜集》中解释。

通常,用的最多的结构体是struct RString。之后,在程序中,是struct RArray (数组),RHash (hash), RObject (用户定义对象)等等。然而,这个struct RObject只使用struct RBasic + 1个指针的空间。另一方面, struct RStringRArrayRHash占用struct RBasic + 3个指针的空间。换句话说, 当把struct RObject放入共享实体中,两个指针的空间没有用到。此外,如果RString有4个指针, RObject使用的大小少于共享实体一半。如你预期,浪费。

因此,公认的iv_tbl价值在于或多或少节省内存并且加速。此外,我们不知道它是否常用。事实上,ruby 1.2 之前并没有generic_iv_tbl,因此,那时不可能在StringArray中使用实例变量。然而,这并不是什么问题。 只是为了功能让大量内存处于无用状态看上去有些愚蠢。

如果你把这些都考虑了,你就可以推断,增加对象结构体的大小不会有任何好处。

rb_ivar_get()

我们看过了设置变量的rb_ivar_set()函数,那我们在快速看看如何得到它们。

rb_ivar_get()
 960  VALUE
 961  rb_ivar_get(obj, id)
 962      VALUE obj;
 963      ID id;
 964  {
 965      VALUE val;
 966
 967      switch (TYPE(obj)) {
      /* (A) */
 968        case T_OBJECT:
 969        case T_CLASS:
 970        case T_MODULE:
 971          if (ROBJECT(obj)->iv_tbl &&
                  st_lookup(ROBJECT(obj)->iv_tbl, id, &val))
 972              return val;
 973          break;
      /* (B) */
 974        default:
 975          if (FL_TEST(obj, FL_EXIVAR) || rb_special_const_p(obj))
 976              return generic_ivar_get(obj, id);
 977          break;
 978      }
      /* (C) */
 979      rb_warning("instance variable %s not initialized", rb_id2name(id));
 980
 981      return Qnil;
 982  }

(variable.c)

结构完全相同。

(A)对于struct RObjectRClass,我们在iv_tbl中搜索变量。因为iv_tbl也可能为NULL, 在使用之前必须检查。然后,如果st_lookup()找到关系,它返回true,因此整个if可以读作“如果设置了实例变量,返回其值”。

(C)如果没有对应,换句话说,如果我们读一个没有设置的实例变量,我们先离开if,然后是switchrb_warning()提出警告,返回nil。这是因为在Ruby中你可以读取未设置的实例变量。

(B)另一方面,如果结构体既不是struct RObject也不是RClass,在generic_iv_tbl中,搜索实例变量表。 generic_ivar_get()做什么应该可以很容易猜出来,因此我就不解释它了。我更愿意让你关注if

我已经告诉你了,generic_ivar_set()设置FL_EXIVAR标志可以让检查更快。

rb_special_const_p()是什么呢?当其参数obj不指向结构体时,这个函数返回true。 因为没有结构体意味着没有basic.flags,没有可以设置的标志,FL_xxxx()总会返回false。 所以,这些对象需要特殊对待。

对象的结构体

在本节中,我们会简单看一下对象结构体中几个重要的结构体的内容及其处理。

struct RString

struct RStringString及其子类实例的结构体。

struct RString
 314  struct RString {
 315      struct RBasic basic;
 316      long len;
 317      char *ptr;
 318      union {
 319          long capa;
 320          VALUE shared;
 321      } aux;
 322  };

(ruby.h)

ptr是一个字符串指针,len是字符串的长度。非常直接。

同通常的字符串相比,Ruby的字符串更像一个字节数组,其中可以容纳任何字节,包括NUL。 因此在Ruby的层次思考时,以NUL 结尾的字符串并不代表任何东西。因为C函数需要NUL,为方便就有了结尾NUL, 然而,它并不包括len

在解释器或扩展库中处理字符串时,你可以写RSTRING(str)-&gt;ptrRSTRING(str)-&gt;len, 以访问ptrlen。但是有一些需要注意的点。

  1. 在使用之前,你需要检查是否str真的指向一个struct RString
  2. 你可以读取成员,但是你不可以修改它们
  3. 你不能把RSTRING(str)-&gt;ptr存储在类似于局部变量的东西中以待后续使用。

为何如此?首先,有一个重要的软件工程原则:不要乱动别人的数据。接口函数就为这个原因而存在的。然而,在ruby的设计中, 还有其它一些具体的原因不能去查询或存储一个指针,这与第四个成员aux相关。为了解释如何恰当使用aux, 我们先要就Ruby字符串的一些特征多说两句。

Ruby的字符串可以修改(可变的)。我说的可变是下面这样:

s = "str"        # 创建一个字符串,赋值给s
s.concat("ing")  # 给这个字符串对象添加“ing”
p(s)             # 显示这个字符串

s指向对象的内容会变成“string”。它不同于Java或Python的字符串对象,和Java的StringBuffer更接近一些。

这是什么关系?首先,可变意味着字符串的长度(len)可以改变。我们需要每次根据长度的变换增减已分配的内存。 我们当然可以用realloc()来实现,但通常malloc()realloc()都是重量级的操作。 每当字符串变化就realloc()会是一个沉重的负担。

这就是为什么ptr指向的内存大小要略大于len。因为如此,如果添加的部分如何能放到剩余的内存中, 无需调用realloc()便能得到处理,这会更快一些。结构体成员aux.capa是一个长度,它包括额外的内存。

那么另一个aux.shared是什么?它用以加速文本字符串的创建。看看下面的Ruby程序。

while true do  # 无限重复
  a = "str"        # 以“str”为内容创建字符串,赋值给a
  a.concat("ing")  # 为a所指向的对象添加“ing”
  p(a)             # 显示“string”
end

无论你循环多少次,第四行的p都会显示"string"。所以,代码"str"需要每次创建一个字符串对象以持有一个不同的char[]。 然而,如果有大量相同的字符串,创建多次char[]的拷贝是没有意义的。最好共享一个通用的char[]

这个技巧运用的根源就在aux.shared。以文本常量创建的字符串会使用一个共享的char[]。当发生变化时, 将字符串复制到一个非共享的内存中,变化针对对这个新拷贝进行。这一技术成为“写时拷贝”。当使用共享char[]时, 对象结构体的basic.flags设置为ELTS_SHAREDaux.shared包含原有的对象。ELTS好像是ELemenTS的缩写。

好的,但是,让我们回到RSTRING(str)-&gt;ptr的话题上。即便可以访问指针,你也不该修改它,首先, 这会导致lencapa的值会与内容不一致,再有,当修改的字符串是通过文本常量创建的话,aux.shared需要分离出来。

为了结束这个关于RString章节,让我们写几个如何使用它的例子。str是一个VALUE,它指向RString

RSTRING(str)->len;               /* 长度 */
RSTRING(str)->ptr[0];            /* 第一个字符 */
str = rb_str_new("content", 7);  /* 创建一个以“content”为内容的字符串
                                    第二个参数是长度 */
str = rb_str_new2("content");    /* 创建一个以“content”为内容的字符串
                                    其长度由strlen()计算 */
rb_str_cat2(str, "end");         /* 连接C字符串到Ruby字符串上 */

struct RArray

struct RArray是Ruby数组类Array的结构体。

struct RArray
 324  struct RArray {
 325      struct RBasic basic;
 326      long len;
 327      union {
 328          long capa;
 329          VALUE shared;
 330      } aux;
 331      VALUE *ptr;
 332  };

(ruby.h)

除了ptr的类型,这个结构体几乎等同于struct RStringptr指向数组的内容,len是其长度。 aux的用途等同于struct RStringaux.capaptr所指向内存的真正长度。 如果ptr是共享的,aux.shared存储着共享的原数组对象。

从这个结构体可以清楚的看出,Ruby的Array是一个数组,而非列表。因此,当元素数目发生很大变化时,必须进行realloc()。 如果元素需要插入到其它的地方,而非尾端,就要用到memmove()。但是如果我们这么做了,即便它移动得也很快,在当前的机器上, 它依然会给人留下深刻的印象。

这就是为什么访问它的方式类似于RString。你可以访问RARRAY(arr)-&gt;ptrRARRAY(arr)-&gt;len成员, 但不能设置它们等等。我们只看些简单的例子:

/* 在C中管理数组 */
VALUE ary;
ary = rb_ary_new();             /* 创建一个空数组 */
rb_ary_push(ary, INT2FIX(9));   /* 推入一个Ruby的9 */
RARRAY(ary)->ptr[0];            /* 查看索引0位置是什么 */
rb_p(RARRAY(ary)->ptr[0]);      /* 对ary[0]做p (结果是9) */

# 在Ruby中管理数组
ary = []      # 创建一个空数组
ary.push(9)   # 推入9
ary[0]        # 查看索引0位置是什么
p(ary[0])     # 对ary[0]做p (结果是9)

struct RRegexp

它是正则表达式类Regexp实例的结构体。

struct RRegexp
 334  struct RRegexp {
 335      struct RBasic basic;
 336      struct re_pattern_buffer *ptr;
 337      long len;
 338      char *str;
 339  };

(ruby.h)

ptr是编译后的正则表达式。str是编译前的字符串(正则表达式的源代码),len是这个字符串的长度。

因为本书未涉及Regexp对象处理的代码,我们就不谈如何使用它了。即使你在扩展库中用到它, 只要你不想以非常特别的方式使用,接口函数足矣。

struct RHash

struct RHash是Ruby中Hash对象的结构体。

struct RHash
 341  struct RHash {
 342      struct RBasic basic;
 343      struct st_table *tbl;
 344      int iter_lev;
 345      VALUE ifnone;
 346  };

(ruby.h)

它是对struct st_table的封装。st_table会在下一章《名称与名称表》中详述。

ifnone是键值没有对应附着值时的值,缺省为niliter_lev保证了hash表可重入(多线程安全)。

struct RFile

struct RFile是内建的IO类及其子类实例的结构体。

struct RFile
 348  struct RFile {
 349      struct RBasic basic;
 350      struct OpenFile *fptr;
 351  };

(ruby.h)
OpenFile
  19  typedef struct OpenFile {
  20      FILE *f;                    /* stdio ptr for read/write */
  21      FILE *f2;                   /* additional ptr for rw pipes */
  22      int mode;                   /* mode flags */
  23      int pid;                    /* child's pid (for pipes) */
  24      int lineno;                 /* number of lines read */
  25      char *path;                 /* pathname for file */
  26      void (*finalize) _((struct OpenFile*)); /* finalize proc */
  27  } OpenFile;

(rubyio.h)

所有的成员都转到了struct OpenFile中。因为没有太多的IO实例,这么做也可以。各个成员的目的都写在注释中了。 基本上,它就是C的stdio的封装。

struct RData

struct RData同我们之前所见有着不同的思路。它是扩展库实现的结构体。

当然,创建扩展库类的结构体是必需的,但是这些结构体的类型依赖于已创建的类,不可能预先知道它们的大小或结构体。 所以要在ruby端创建一个“管理用户自定义结构体指针的结构体”,以实现管理。这个结构体就是struct RData

struct RData
 353  struct RData {
 354      struct RBasic basic;
 355      void (*dmark) _((void*));
 356      void (*dfree) _((void*));
 357      void *data;
 358  };

(ruby.h)

data是一个指向用户自定义结构体的指针,dfree是用以释放这个结构体的函数,dmark也是一个函数,当发生标记和清除的“标记”时调用。

现在解释struct RData依然太复杂,我们暂时只是看看它的表示(图8)。在第五章《垃圾回收》中会再谈到它, 在那你会读到更多关于其成员详细的解释。

struct RData的表示
图8: struct RData的表示


The original work is Copyright © 2002 - 2004 Minero AOKI.
Translated by Ye Zheng
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike2.5 License.